Spark SQL 数据处理流程：创建商品SKU维度表

这段代码使用 Spark SQL 进行数据处理，将三个源表 'ods.ods_yjx_goods_sku_full'、'ods.ods_yjx_brand_full' 和 'ods.ods_yjx_category_full' 的数据进行关联，生成一张维度表 'dim.dim_sku_full'。该维度表包含商品 SKU 的 ID、名称、品牌 ID、品牌名称、商品分类的三级 ID 和名称，且按照 'sku.id' 进行分组。

实现方式：

使用 with 语句创建三张临时表 'sku'、'brand' 和 'category'，分别用于存放商品 SKU 信息、品牌信息和商品分类信息。其中，'sku' 表通过 explode 和 split 函数将分类路径 (category_path) 拆分成多个行，每个行包含一个分类 ID 和 SKU 信息的其他字段。
使用 insert 语句将 'sku'、'brand' 和 'category' 表关联起来，生成一张新表 'dim_sku_full'，该表包含商品 SKU 的详细信息和分类信息。
在 select 子句中，使用 max 和 case 语句将分类 ID 和名称转换为三级分类 ID 和名称，以便于后续的使用。
在 where 子句中，过滤掉 SKU 名称为空的数据。
在 group by 子句中，使用 SKU ID 进行分组。

需要注意的问题：

代码中使用了 with 语句创建了三个临时表，可能会占用大量的内存空间，需要根据实际情况进行优化。
在 join 操作中使用了 left join，可能会存在一些 SKU 没有对应的品牌和分类信息的情况，需要确认该情况是否符合业务需求。
在 select 子句中使用了 max 和 case 语句，可能会影响性能，需要根据实际情况进行优化。
在 where 子句中过滤 SKU 名称为空的数据，可能会影响数据完整性，需要确认该情况是否符合业务需求。